A25060. 词频统计
填空题
困难
知识点
题目描述
词频统计
题目描述
请编写程序，对一段英文文本，统计其中所有不同单词的个数，以及词频最大的前10%的单词。
所谓“单词”，是指由不超过80个单词字符组成的连续字符串，但长度超过15的单词将只截取保留前15个单词字符。而合法的“单词字符”为大小写字母、数字和下划线，其它字符均认为是单词分隔符。
输入
输入给出一段非空文本，最后以符号#结尾。输入保证存在至少10个不同的单词。
输出
在第一行中输出文本中所有不同单词的个数。注意“单词”不区分英文大小写，例如“PAT”和“pat”被认为是同一个单词。 随后按照词频递减的顺序，按照词频:单词的格式输出词频最大的前10%的单词。若有并列，则按递增字典序输出。
样例输入
This is a test.
The word “this” is the word with the highest frequency.
Longlonglonglongword should be cut off, so is considered as the same as longlonglonglonee. But this_8 is different than this, and this, and this…#
this line should be ignored.样例输出
23
5:this
4:is提示
（注意：虽然样例里单词the也出现了4次，但因为我们只要输出前10%（即23个单词中的前2个）单词，而按照字母序，the排第3位，所以不输出。）
参考答案
#include<iostream>
#include<cstring>
#include<algorithm>
#include<map>
#include<vector>
using namespace std;
typedef pair<string, int> PII;
map<string,int> mp;
map<string,int>::iterator it;
vector<PII> q;
bool cmp(PII a,PII b) // 自定义排序方式
{
if(a.second!=b.second) return a.second>b.second; // 出现的次数
else
return a.first<b.first; // 字母序
}
int main()
{
string s;
char x;
while(~scanf("%c",&x)&&x!='#') // 一个字符一个字符的读 遇到 # 结束
{
if( (x>='A'&&x<='Z') || (x>='a'&&x<='z') || (x>='0'&&x<='9') || x=='_')
{
if(x>='A'&&x<='Z') x=x-'A'+'a'; // 都转化成小写
if(s.size()<15) s+=x; // 如果大于 长度15 只要前十五个
}
else // 遇到非合法字符
{
if(s.size()>0) mp[s]++,s.clear(); // 存到map<string,int> 中去
}
}
for(it=mp.begin();it!=mp.end();it++) // 把map 中的信息转入到 vector中去 也可转到结构体中 用结构体解决
q.push_back({it->first,it->second});
sort(q.begin(),q.end(),cmp); // 按定义的方式排序
cout<<q.size()<<endl; // 输出一共单词个数
int l=q.size()/10;
for(int i=0;i<l;i++) // 遍历前10%
cout<<q[i].second<<':'<<q[i].first<<endl;
return 0;
}
上一题
下一题